基于复杂网络的软件多维可靠性分析方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61472341
  • 项目类别:
    面上项目
  • 资助金额:
    81.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0205.网络与系统安全
  • 结题年份:
    2018
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2018-12-31

项目摘要

With the complexity of software systems upgrading continuously, software control gets more and more difficult. That makes it harder to guarantee software quality and reliability. How to effectively represent the relationship between software features and reveal the software behavior characteristics well with the evolution laws becomes the important issue to solve the bottleneck problem of Chinese software industry development. Therefore, this subject is conducted on the basis of complex network to do research on the analysis method of software multi-dimensional reliability. The main tasks are as follows. 1. To do research on the mapping method from software system to complex network and put forward a complex software mapping model based on complex network. 2. To adopt a complex-software-network-based parametric analysis method, extract the characteristics of software system structure and behavior, establish the association relationship and formalized expression features. 3. To study the node path behavior characteristics of complex software network and propose mining algorithms in view of the similar paths in the critical path set. 4. To design the correlation algorithm for the complex network structure modules, measure and evaluate software reliability through three dimensions by security, stability and survivability to predict the software fault behaviors and evolution rules during the software life cycle. 5. To set up an evaluation index system for analyzing the multidimensional reliability of software system and come up with a set of basic theories and methods according to complex software reliability analysis.
随着软件系统复杂性的不断提高,软件控制变得越来越困难,软件开发质量和可靠性难以保证。如何有效的表征软件特征的关联关系,揭示软件行为特征和演变规律成为解决我国软件产业发展瓶颈的关键问题。为此,本课题基于复杂网络对软件多维度可靠性分析方法进行研究。拟完成内容:1.研究将软件系统映射为复杂网络的方法,提出基于复杂网络的复杂软件网络映射模型;2.采用基于复杂软件网络的参数化分析方法,提取软件系统的结构特征和行为特征,建立特征之间的关联关系和形式化表达;3.研究复杂软件网络的节点路径行为特征,提出针对关键路径集的相似路径的挖掘算法;4.设计复杂软件网络结构模块关联算法,从软件安全性、稳定性、抗毁性三个维度度量和评价软件的可靠性,预测软件生存周期内的软件故障行为和演化规律;5.建立软件系统多维度可靠性分析的评价指标体系,提出一套基于复杂软件可靠性分析的基础理论和方法。

结项摘要

随着软件系统复杂性的不断提高,软件控制变得越来越困难,软件开发质量和可靠性难以保证。如何有效的表征软件特征的关联关系,揭示软件行为特征和演变规律成为解决我国软件产业发展瓶颈的关键问题。本课题基于复杂网络对软件多维度可靠性分析方法进行研究。完成了以下主要的研究内容:1.研究将软件系统映射为复杂网络的方法,提出了基于复杂网络的复杂软件网络映射模型;2.采用基于复杂软件网络的参数化分析方法,提取软件系统的结构特征和行为特征,建立了特征之间的关联关系和形式化表达;3.研究了复杂软件网络的节点路径行为特征,提出了针对关键路径集的相似路径的挖掘算法;4.设计了复杂软件网络结构模块关联算法,从软件安全性、稳定性、抗毁性三个维度度量和评价了软件的可靠性,发现软件生存周期内的软件故障行为和演化规律;5.建立了软件系统多维度可靠性分析的评价指标体系,提出了一套基于复杂软件可靠性分析的基础理论和方法。本项目原计划拟以“发表高水平论文18~24篇,以及培养9~16名研究生”的方式提供研究成果,根据本项目实际的执行情况,项目组成员于项目期间在国内外学术期刊上共发表学术论文25篇,其中SCI期刊论文为8篇,EI期刊论文17篇,培养了4名博士研究生以及21名硕士研究生。项目的研究成果及技术支撑了课题组成员在其他三项软件安全领域的项目的研究,一项空气质量相关领域项目的研究,以及多项校企联合项目的研究分析。项目的成果转化有着很好的社会和经济效益。

项目成果

期刊论文数量(25)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
A new method of identifying influential nodes in complex software network based on leaderrank
基于leaderrank的复杂软件网络影响节点识别新方法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    ICIC Express Letters
  • 影响因子:
    --
  • 作者:
    Huang Guoyan;Liu Jing;Chen Xiaojuan;Ren Jiadong
  • 通讯作者:
    Ren Jiadong
Approach for mining software evolutionary community outliers based on community-matching
基于社区匹配的软件进化社区异常值挖掘方法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    International Journal of Innovative Computing Information and Control
  • 影响因子:
    1
  • 作者:
    Huang Guoyan;Wang Jiale;Chen Xiaojuan;Wang Hao;Ren Jiadong
  • 通讯作者:
    Ren Jiadong
Analysis on Influential Functions in the Weighted Software Network
加权软件网络中影响函数分析
  • DOI:
    10.1155/2018/1525186
  • 发表时间:
    2018-04
  • 期刊:
    Security and Communication Networks
  • 影响因子:
    --
  • 作者:
    He Haitao;Shan Chun;Tian Xiangmin;Wei Yalei;Huang Guoyan
  • 通讯作者:
    Huang Guoyan
A novel approach to identify influential functions in complex software network based on complex network
基于复杂网络的复杂软件网络影响函数识别新方法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    ICIC Express Letters
  • 影响因子:
    --
  • 作者:
    Huang Guoyan;Chen Xiaojuan;Wu Hongfei;Zhang Peng;Ren Jiadong
  • 通讯作者:
    Ren Jiadong
A novel approach to efficiently mine structural patterns from software execution sequence
一种从软件执行序列中有效挖掘结构模式的新方法
  • DOI:
    10.12733/jcis13394
  • 发表时间:
    2015
  • 期刊:
    Journal of Computational Information Systems
  • 影响因子:
    --
  • 作者:
    Huang Guoyan;Zhang Bing;Ren Rong;Ren Jiadong
  • 通讯作者:
    Ren Jiadong

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于多种特征选择策略的入侵检测模型研究
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    信息安全研究
  • 影响因子:
    --
  • 作者:
    何红艳;黄国言;张炳;陈瑜
  • 通讯作者:
    陈瑜
一种基于关键点提取的改进ICP三维彩色点云场景配准方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    小型微型计算机系统
  • 影响因子:
    --
  • 作者:
    杨永涛;黄国言;吴培良
  • 通讯作者:
    吴培良

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

黄国言的其他基金

复杂因素影响下的型材滚弯空间成形状态表征和智能分析方法研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    53 万元
  • 项目类别:
    面上项目
复杂因素影响下的型材滚弯空间成形状态表征和智能分析方法研究
  • 批准号:
    62276225
  • 批准年份:
    2022
  • 资助金额:
    53.00 万元
  • 项目类别:
    面上项目
时空动态复杂网络下的空气质量传播行为模式和演变分析方法研究
  • 批准号:
    61772451
  • 批准年份:
    2017
  • 资助金额:
    64.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码